LazyOwn 红队 / APT 框架
面向渗透测试者与红队的 AI 驱动 C2 框架：606+ 条 CLI 命令、多操作员 Web 仪表盘与可自主规划-执行-学习的攻击战役编排。
红线触发，维度整体不给分。该产品明确宣传并实现植入体、后门、rootkit 隐匿、'不可检测'的可变形植入，且 mutants/test 中可执行 migrate、uac_bypass、persistence、凭证上传、反向 shell 等 C2 植入操作。这些属于恶意软件/隐蔽渗出能力，未见到对最终目标侧的同意或恢复机制作为结构性默认。尽管 README 提到 scope add、confirm 闸门、dry_run 等防御性设计，但红线以最坏能力为准：恶意软件、凭证窃取、隐蔽外传能力是产品的核心卖点，且无阻断性的授权/同意证据链。
红线状态下维度置零。仅指出：pyproject 声称 pyproject.toml 为'单一事实来源'但版本号(0.2.157)与 README(v0.2.158)不一致，说明宣称与实际存在漂移。
红线状态下维度置零。目标侧能力（Windows/Linux/macOS 植入体、UAC bypass、持久化）显示其适用场景就是侵入式攻防，触发红线。
红线状态下维度置零。许可证 GPL-3.0 元数据与 LICENSE 文件一致，但这不足以解除红线；SECURITY.md 支持版本表(1.x Yes)与实际版本 0.2.x 矛盾，为具体的文档失实点。
红线状态下维度置零。即便功能描述详尽（606+ 命令、153 MCP 工具），其边际价值的核心在于规避检测与隐蔽控制，恰是红线所排除的用途。
红线状态下维度置零。README 大量数字宣称(606+ 命令、148/153 MCP 工具、27k 行核心)在给定文件中无法交叉印证，且 148 与 153 两处工具数自相矛盾；测试文件硬编码 AES 密钥与 C2 凭证（LazyOwn/LazyOwn），既是坏实践也构成可指认的缺陷。
- 红线判定：本仓库以植入体、rootkit 隐匿、'不可检测'植入与凭证窃取为核心功能，构成恶意软件/隐蔽渗出红线，未经授权或非攻击者获取后可直接用于侵入真实系统。
- 测试目录 mutants/test 硬编码 AES 密钥与 C2 凭证，安全文档与版本声明不一致（SECURITY.md 表 1.x 与实际 0.2.x 矛盾）。
- 即使存在 scope/confirm 等防御性设计，也不改变其在未授权环境中构成实际攻击工具的事实；企业采购应视为高风险排除项。
这个 Agent 能做什么，适合哪些场景？
LazyOwn（grisuno/LazyOwn，GPL-3.0，当前版本 v0.2.158）是一个专业红队与命令控制（C2）平台，基于 Python 的 cmd2 CLI 和 Flask Web GUI 构建。它提供 606+ 条攻击命令、126 个别名、覆盖完整杀伤链的 120+ 个 YAML/Lua 插件，以及跨 Linux、Windows、macOS 和 BSD 的植入体。其 AI 层包括 MoE 专家路由、Q-learning 强化学习、SWAN 编排器、Hive Mind 多智能体系统，以及据称首个可自主规划、执行、重规划和学习的 ACI（自主战役智能）规划器。部署方式包括本地虚拟环境（install.sh + ./run）、Docker（lazyown-docker/mkdocker.sh），并可通过 MCP 服务器（153 个工具）接入 Claude Code、Claude Desktop、Hermes Agent 和 OpenCode。内置授权范围守卫、会话加密和确认门控等安全机制，但整体属于高敏感性攻击工具，只应在合法授权的演练环境中使用。
LazyOwn 以 (LazyOwn) > 交互式 shell 为核心：doctor 预检环境，wizard 引导 8 步配置（含 LLM 提供商），scope add / scope mode enforce 强制授权目标范围。侦察阶段运行 ping、lazynmap、auto_populate、facts_show 等命令，并把 nmap XML 等工具输出抽取为结构化事实存入 Parquet 知识库（GTFOBins、LOLBas、MITRE ATT&CK）。C2 通过 bash fast_run_as_r00t.sh 启动 lazyc2.py，随后 blacksandbeacon 等命令生成 Linux BOF 植入体或两阶段 XOR 混淆的 Go beacon（AES-256 加密信道、反虚拟机/沙箱检测、持久化与数据外带命令如 exfil、persist、proxy）。AI 侧由 skills/lazyown_mcp.py 暴露 153 个 MCP 工具，aci_plan 将自然语言目标分解为 MITRE ATT&CK 阶段并注入 objectives.l，auto_loop 与 autonomous_daemon 按目标自主执行，被阻塞时用 aci_replan 重规划；Detection Oracle 以 17 条 Sigma 风格规则预估检出概率并反馈给 RL 路由。多操作员协作通过 SSE 端点（/collab/、/collab/publish、/collab/lock）实现，另有 telegram_hermes.py 将 Telegram 消息桥接为 LazyOwn 命令。所有会话数据经 auto_crypto（PBKDF2HMAC + Fernet）在退出时加密。
- 红队负责人在授权的攻防演练中需要一体化 C2 与植入体基础设施，用 scope 守卫确保不越界打目标。
- 安全研究员希望用 MCP 把攻击框架接入 Claude Code，让 AI 代理代替人工执行侦察-利用链（auto_loop、auto_pwn）。
- purple 团队用 purple_exec / purple_score 在本地验证检测规则（Sigma、proc_scan、fim_scan）并导出 purple_dataset.csv 训练数据。
- 多操作员团队需要共享实时事件流与目标锁，通过 /collab/ 仪表盘和 collab_join 协同作业。
- ATT&CK 对标评估者使用 hunt 与 adversary 命令按已知 TTP 映射发现的服务并执行原子红队模拟。
- 远程运营者通过 Telegram Hermes 机器人在移动端下发 /sitrep、/c2、/cron 等指令监控战役状态。
这个 Agent 有哪些优点和局限？
- 命令覆盖极广：606+ 命令、126 别名、153 个 MCP 工具、120+ 插件，横跨 13 个杀伤链阶段和四个操作系统平台。
- 据 README 声称是首个开源支持 Linux BOF（通过 ELF dlopen 运行时）的 C2 框架，也是首个支持自主规划-执行-重规划-学习闭环（ACI）的 C2。
- AI 架构具体可审计：MoE 五专家路由、表格 Q-learning（超参数与持久化文件均有文档）、Detection Oracle 17 条规则的检出概率预估，均以 modules/ 与 skills/ 下的具体代码文件落地。
- 工程化程度高：授权范围守卫、destructive 命令确认门、凭据溯源与置信度标注、证据新鲜度标注、auto_crypto 会话加密、48 项 BDD 安全测试与 mutation 测试门。
- 法律与伦理风险极高：包含 rootkit、键盘记录、botnet/RAT、反取证、数据外带等真实攻击能力，误用即违法，必须严格限定在授权环境。
- 部署与运维成本不低：完整 ML 栈需 2GB torch/CUDA 依赖，C2 需 root 权限运行（fast_run_as_r00t.sh），证书、SecLists、外部二进制均需 doctor 预检维护。
- 外部依赖链较长：AI 功能依赖 Groq API 或本地 Ollama 运行时，协作依赖 SSE/Flask C2 服务器，缺包时相关命令降级而非崩溃，但功能会缺失。
- 部分声明（如'完全免杀'、ACI 端到端自主性）来自 README 自述，独立评测证据不可见，采用前应在隔离实验室自行验证。
如何安装或部署这个 Agent？
bash
git clone https://github.com/grisuno/LazyOwn.git && cd LazyOwnbash install.sh # 创建虚拟环境、锁定依赖、生成 C2 证书
./run # 启动 shell，首次运行会提示进入设置向导
默认安装轻量；可选 --with-ml（约 2GB 的 torch/CUDA 栈）、--with-ollama（本地 LLM 运行时）、--with-tools（常用外部二进制）。依赖在 pyproject.toml 声明，requirements.txt 与 requirements-ml.txt 锁定版本。隔离部署可用 Docker：cd lazyown-docker && ./mkdocker.sh build && ./mkdocker.sh run --vpn 1。接入 Claude Code：claude mcp add lazyown python3 /path/to/LazyOwn/skills/lazyown_mcp.py，或在 claude_desktop_config. 的 mcpServers 中配置，环境变量需设置 LAZYOWN_DIR，C2 地址/端口/账号可由 LAZYOWN_C2_HOST/PORT/USER/PASS 提供或写入 payload.。
如何使用这个 Agent？
启动 shell 后先运行 doctor 验证环境（Python、venv、包、证书、SecLists、工具），红色阻断项需先修复。然后 wizard 完成配置（自动探测 lhost）。定义授权范围：scope add 10.10.11.0/24 然后 scope mode enforce。侦察：ping && lazynmap && auto_populate && facts_show。另开终端启动 C2：bash fast_run_as_r00t.sh --no-attach --vpn 1。获取 shell：(LazyOwn) > blacksandbeacon，在目标机上执行框架给出的 curl 下载命令。邀请队友：collab_join alice 会打印 /collab/ 仪表盘 URL。AI 代理路径：在 Claude Code 中调用 lazyown_aci_plan 提交战役目标，用 lazyown_auto_loop 启动自主执行，lazyown_aci_status 监控进度，阻塞时用 lazyown_aci_replan 重规划。危险命令（rm -rf、exfil 等）在 MCP 层需显式 confirm=true。
这个 Agent 与同类方案有什么区别？
README 将自身与 Cobalt Strike、Sliver、Havoc、Metasploit 和 CALDERA 对比：这些工具要么需要操作员逐步规划（Cobalt Strike/Sliver/Havoc），要么有自动化但缺智能（Metasploit），要么只能模拟固定 ATT&CK 流程（CALDERA）；LazyOwn 的 ACI 声称能持续规划、执行、重规划并在战役间学习。
常见问题
使用它需要哪些 API 密钥或账号？
它能在 Windows 或 macOS 上作为控制端运行吗？
如何防止误打非授权目标？
scope add <CIDR或主机名> 添加授权范围，scope mode enforce 强制阻断越界的攻击类命令（非交互会话中直接拒绝）。默认 warn 模式只注记不阻断；范围为空时守卫完全失效（fail-open），需主动配置。